Update app.py

app.py

@@ -52,7 +52,12 @@ with gr.Blocks() as demo:
     """)
     with gr.Row() as row:
         with gr.Column():
-            gr.Markdown("Description about Legal Document drafting demo")
+            gr.Markdown("""
+            <h3>摘要</h3>
+            <p>
+            隨著大型語言模型技術的發展，藉由微調預訓練的大型語言模型來解決自然語言處理的下游任務，已經是主流的範式。訓練法律專業領域的語言模型，需要有大量的法律文件，以便讓語言模型能學得法律術語以及法律文書格式的特殊性，因此，通常需要依賴大量人工標註的資料集進行訓練，而在法律領域的應用，取得大量人工標註的資料集是有實際上的困難，因此傳統的NLP方法應用在法律文件起草中的任務就受到了限制。本文實驗結果表明，以大量無標記的法律文件，在本地端電腦中微調大型預訓練語言模型，除了可以顯著提高微調後所得之模型在法律文件起草任務上的性能，為實現自動化法律文件起草提供了新的思路和方法，並同時保障了資訊隱私以及降低資訊安全等問題。
+            </p>
+            """)
         with gr.Column(scale=1, min_width=600):
             with gr.Tab("Writing Assist"):
                 result = gr.components.Textbox(lines=7, label="Writing Assist", placeholder=prompts[0])